如今,人们肯定听说过Docker容器,也会知道Docker很受欢迎。但是知道这是为什么吗?以下看看当今用户对于Docker有着极大兴趣的因素。
在深入讨论Docker受欢迎的因素之前,值得注意的是,Docker不是唯一的容器平台,也不是第一个推出的。
其他框架,如OpenVZ和LXC,从20世纪20年代中期诞生。而其他类似容器的技术,如FreeBSD更进一步。而Docker在2013年发布,与目前的大多数主流技术相比,是一个非常年轻的技术。
不过奇怪的是,Docker并不是一个比较成熟的容器平台,在过去几年中已经大大地凸显了这一点。这是一个值得思考的结果,为了了解什么使容器普遍如此受欢迎,以及为什么Docker是如此成功地替代容器框架,而很少采用。
解释Docker的流行度
所以,人们需要考虑这两个因素。
首先,这就是为什么容器在过去几年中一直被证明对各种规模的企业具有吸引力的原因:
•容器的启动和停止速度比虚拟机快得多。
•容器更易于移植,因为无论何种类型的操作系统托管它们,容器主机环境都是非常一致的。
•容器应用程序易于扩展,因为容器可以从环境中快速添加或减少。
•容器可以轻松将复杂的单片应用程序分解成更小的模块化微服务。
那么有一个问题,那就是为什么Docker变得如此受欢迎。这是一个很难回答的问题,但专家认为以下因素正在发挥:
Docker从一开始就是开源的。这有助于Docker在技术市场更有吸引力,到2013年,开始将开源视为软件生产的默认模式(如果Docker在五年前出现,当开放源码的商业兴趣不那么强烈时,开源并不会对Docker有所帮助。)
Docker出现在正确的时间。到2013年,虚拟机终于成为一种过时的技术。组织正在寻找一种更精简,更方便的部署应用程序,Docker恰好符合要求。当OpenVZ和LXC出现在20世纪20年代中期时,传统的虚拟化技术还没有完成,所以这些容器框架不太吸引人。
Docker与DevOps革命相吻合。DevOps在2010年流行起来,强调了软件交付中的敏捷性,灵活性和可扩展性。Docker容器恰好提供了一个很好的构建块,用于根据DevOps规定创建软件交付管道和部署应用程序。
Linux的比较
在许多方面,Docker的不可预测的成功反映了20世纪90年代Linux内核的成功。
正如专家所指出的那样,Linux作为一个默默无闻的软件项目进入了世界,这是一个芬兰学生运行的一个模糊的软件项目,没有资金或先进的设备。Linux最终成功地取得了巨大的成功,而像GNU和BSD这样的内核项目更为突出,更多的资金,但其专业化的内核项目受到限制。
Docker和LXC之类的替代品之间的区别可能不如Linux和GNU Hurd那样显著。尽管如此,Linux和Docker的崛起在相当短的时间内从默默无闻的项目到具有巨大商业价值的项目,这二者十分相似。
结论
专家认为时间可以解释为什么Docker容器变得如此受欢迎。Docker容器解决了过去五年来许多组织寻求解决的软件交付和部署问题。虽然早期的容器框架提供了类似的解决方案,但人们对它们的兴趣有限,因为他们解决的问题在首次亮相时,当时人们的需求并不紧迫。
一般来说,专家认为与Docker的时间相比,Linux的成功与否更为关键。Linux的成功很大程度上是由于其他内核项目(尤其是GNU)的混乱,因为Linux早期采用了创新的,分散的开发策略。但是时运肯定帮助Linux获得了成功,就像Docker一样。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。